Тепловой контроль микротрещин в полупроводниковых кремниевых пластинах методом лазерного сканирования с использованием сегментации термограмм

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Монокристаллические кремниевые пластины играют ключевую роль в фотогальванической технологии и производстве микроэлектроники благодаря своим высоким характеристикам как полупроводников. Для удовлетворения потребностей высокотехнологичных отраслей технология производства кремниевых пластин должна соответствовать высоким стандартам качества. Наличие микротрещин, возникающих в процессе шлифования и вовремя необнаруженных, снижает выход годного продукта. Для эффективного выявления микротрещин в кремниевых пластинах была разработана система лазерного теплового контроля со сканированием. С использованием псевдостатического алгоритма матричной реконструкции экспериментальные нестационарные данные были преобразованы в статические, что облегчило обнаружение и оценку дефектов. Изучены геометрические характеристики (длина, ширина и глубина) микротрещин и влияние мощности лазерного возбуждения на температурные сигналы. Сравнены методы улучшения изображений, такие как линейное преобразование серой шкалы, преобразование базовой функции и выравнивание гистограммы. Исследована эффективность сегментации суперпикселей, расширенной двойной пороговой сегментации, итеративной пороговой сегментации и использования нейронной сети UNet3+ для повышения эффективности обнаружения микротрещин. Обычные методы сегментации оказались низкоэффективными для улучшения изображений из-за присутствия шумов. Лучшие результаты в сегментации изображений были достигнуты с использованием сети UNet3+, которая обеспечила эффективность сегментации микротрещин около 90 %.

Полный текст

Доступ закрыт

Об авторах

Qingju Tang

Heilongjiang University of Science and Technology

Автор, ответственный за переписку.
Email: tangqingju@126.com
Китай, 1, Puyuan Road, Songbei District, Harbin, 150022

Bo Fang

Heilongjiang University of Science and Technology

Email: tangqingju@126.com
Китай, 1, Puyuan Road, Songbei District, Harbin, 150022

Zhuoyan Gu

Heilongjiang University of Science and Technology

Email: tangqingju@126.com
Китай, 1, Puyuan Road, Songbei District, Harbin, 150022

В. П. Вавилов

Томский политехнический университет

Email: tangqingju@126.com
Россия, пр-т Ленина, 30, Томск, 634050

А. О. Чулков

Томский политехнический университет

Email: tangqingju@126.com
Россия, пр-т Ленина, 30, Томск, 634050

Guipeng Xu

Heilongjiang University of Science and Technology

Email: tangqingju@126.com
Китай, 1, Puyuan Road, Songbei District, Harbin, 150022

Zhibo Wang

Heilongjiang University of Science and Technology

Email: tangqingju@126.com
Китай, 1, Puyuan Road, Songbei District, Harbin, 150022

Hongru Bu

Heilongjiang University of Science and Technology

Email: tangqingju@126.com
Китай, 1, Puyuan Road, Songbei District, Harbin, 150022

Список литературы

  1. Zhang G., Xiao Q., Ma F. Development status and prospect of semiconductor silicon wafers in China // China Engineering Science. 2023. V. 25 (01). P. 68—78.
  2. Huang C., Huang D., Wang J. et al. Surface integrity of electrochemical-consolidation-free abrasive composite machining of monocrystalline silicon wafer // Semiconductor technology. 2024. V. 49 (06). P. 549—554+560.
  3. Bu C., Li R., Liu T. et al. Micro-crack defects detection of semiconductor Si-wafers based on Barker code laser infrared thermography // Infrared Physics & Technology. 2022. V. 123. P. 104—160.
  4. Tang Q., Wang Y., Liu J. et al. Pulsed infrared thermal imaging detection of internal defects in heat-resistant alloy coated structural plates // Infrared and laser engineering. 2013. V. 42 (07). P. 1685—1690.
  5. Вавилов В.П. Тепловой неразрушающий контроль: развитие традиционных направлений и новые тенденции (обзор) // Дефектоскопия. 2023. № 6. C. 38—58.
  6. Qu Z., Jiang P., Zhang W. Development and application of infrared thermography non-destructive testing techniques // Sensors. 2020. V. 20 (14). P. 38—51.
  7. Lu Q., Zhao Y., He W. et al. Research on defect detection method of laser welding of power battery based on three-dimensional vision // Laser and Optoelectronics Progress. Feb. 18. 2025. V. 62 (4). P. 1—18.
  8. Wang L., Zhang Z., Chen H. et al. Parameters simulation in line laser scanning thermography nondestructive testing // Infrared Technology. 2023. V. 45 (10). P. 1038—1044.
  9. Liu G., Gao W., Liu W. et al. Study on debonding defects detection of CFRP/Al honeycomb structure by Square-wave thermography. Harbin University of Commerce. Sept. 2022. doi: 10.21203/rs.3.rs-2101393/v1
  10. Vavilov V.P., Chulkov A.O., Nesteruk D.A., Kladov D.Yu. Principle, equipment and applications of line-scanning infrared thermographic NDT // JONE. 2023. V. 42:89. 8 p. DOI: https://doi.org/10.1007/s10921-023-01001-4
  11. Qi C., Han J., Liang H. et al. Comparative study of several histogram transformation methods in infrared thermal image enhancement of transmission joints // Optical Technology. 2010. V. 36 (05). P. 662—667.
  12. Garg P., Jain T. A comparative study on histogram equalization and cumulative histogram equalization // International Journal of New Technology and Research. 2017. V. 3 (9). P. 263—242.
  13. Ibrahim A., El-Kenawy E.S.M. Image segmentation methods based on superpixel techniques: A survey // Journal of Computer Science and Information Systems. 2020. V. 15 (3). P. 1—11.
  14. Huang H. et al. UNet3+: A Full-Scale Connected UNet for Medical Image Segmentation / ICASSP 2020 — 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). 2020. P. 1055—1059.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Схема теплового контроля с лазерным сканированием.

Скачать (155KB)
Метаданные
3. Рис. 2. Экспериментальная установка теплового контроля с лазерным сканированием.

Скачать (191KB)
Метаданные
4. Рис. 3. Экспериментальные образцы.

Скачать (366KB)
Метаданные
5. Рис. 4. Изменение температуры во времени (номер термограммы соответствует определенному моменту времени) в центральной точке поля зрения при перемещении образца.

Скачать (126KB)
Метаданные
6. Рис. 5. Псевдостатические термограммы и температурные профили для дефектов с изменяющимися шириной (а), длиной (б) и глубиной (в).

Скачать (934KB)
Метаданные
7. Рис. 6. К выбору дефектных и бездефектных областей.

Скачать (214KB)
Метаданные
8. Рис. 7. Отношение сигнал/шум SNR как функция ширины (а), длины (б) и глубины (в) трещины.

Скачать (176KB)
Метаданные
9. Рис. 8. Термограммы трещин в образце при возрастающей мощности лазерного нагрева (справа налево).

Скачать (365KB)
Метаданные
10. Рис. 9. Температурные профили при различных мощностях лазера.

Скачать (209KB)
Метаданные
11. Рис. 10. Результат применения линейного преобразования уровня серого.

Скачать (173KB)
Метаданные
12. Рис. 11. Результат применения базовых функций преобразования.

Скачать (133KB)
Метаданные
13. Рис. 12. Результат выравнивания гистограммы.

Скачать (389KB)
Метаданные
14. Рис. 13. К выбору областей для вычисления температурных контрастов.

Скачать (130KB)
Метаданные
15. Рис. 14. Сравнение алгоритмов обработки термограмм по критерию контраста.

Скачать (166KB)
Метаданные
16. Рис. 15. Результат сегментации суперпикселей.

Скачать (48KB)
Метаданные
17. Рис. 16. Результат применения морфологической диляции (сегментация с двойным порогом).

Скачать (79KB)
Метаданные
18. Рис. 17. Результат применения итеративной сегментации по порогу.

Скачать (68KB)
Метаданные
19. Рис. 18. Схема нейронной сети UNet3+.

Скачать (300KB)
Метаданные
20. Рис. 19. Диаграмма структуры полномасштабных связей в нейронной сети UNet3+.

Скачать (250KB)
Метаданные
21. Рис. 20. Этапы обработки изображений и соответствующие метки (нейронная сеть UNet3+).

Скачать (153KB)
Метаданные
22. Рис. 21. Модель процесса обучения.

Скачать (184KB)
Метаданные
23. Рис. 22. Результат сегментации с помощью сети UNet3+.

Скачать (73KB)
Метаданные

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».